k中心点聚类算法伪代码_机器学习 | 算法笔记- K均值（K-Means）

#-*- coding: utf-8 -*-

importnumpy as npclassKMeansClassifier():def __init__(self, k=3, initCent='random', max_iter=500):

self._k=k

self._initCent=initCent

self._max_iter=max_iter

self._clusterAssment=None

self._labels=None

self._sse=Nonedef_calEDist(self, arrA, arrB):"""功能：欧拉距离距离计算

输入：两个一维数组"""

return np.math.sqrt(sum(np.power(arrA-arrB, 2)))def_calMDist(self, arrA, arrB):"""功能：曼哈顿距离距离计算

输入：两个一维数组"""

return sum(np.abs(arrA-arrB))def_randCent(self, data_X, k):"""功能：随机选取k个质心

输出：centroids #返回一个m*n的质心矩阵"""n= data_X.shape[1] #获取特征的维数

centroids = np.empty((k,n)) #使用numpy生成一个k*n的矩阵，用于存储质心

for j inrange(n):

minJ=min(data_X[:, j])

rangeJ= f